高速列车精确停车的鲁棒自触发预测控制

列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.     

高速列车自适应制动控制

针对传统控制方法难以保证高速列车在复杂多变的运行条件下的速度跟踪和安全、平稳停车问题,提出了一种基于间接模型参考自适应的高速列车制动控制策略.通过分析列车制动系统的工作流程,建立了具有未知参数的列车制动系统模型,并采用间接模型参考自适应控制(MRAC)方法设计了高速列车自适应制动控制策略,实现了对给定速度曲线的渐进跟踪.为了验证上述方法的有效性,以CRH380AL型动车组作为研究对象,利用MATLAB软件进行数值仿真.仿真结果表明,即使存在未知系统参数,基于间接模型参考自适应的高速列车制动控制策略仍然可以实现列车在制动过程中对目标速度的渐近跟踪,进而保证列车的安全可靠运行.     

基于遗传算法的高速列车ATO追溯目标曲线优化

对于高速列车在运行过程中因为运行环境造成能耗、舒适、准时和准确停车等指标的不同,运用遗传算法对列车运行的节能性曲线和多目标运行曲线优化,结合列车牵引计算方程和选定的线路约束条件仿真得到列车ATO所要追溯的目标曲线。结果表明：通过遗传算法优化工况转换点使得列车运行中的惰行比例增加,可以实现列车节能运行,与节能性目标相比,多目标可以较好地保证列车运行中的舒适性,准时性和准确停车等关键性指标。     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

列车节能运行决策问题的模拟优化研究

轨道交通运输耗能巨大,研究列车节能操作运行具有重要的理论意义和实用价值。从节能角度出发,分析列车运行过程中的能量转换机制,建立单列车耗能最低优化模型、多列车节能优化模型及列车延误多目标优化控制模型,针对模型本身及其约束条件的复杂性,提出基于改进布谷鸟优化算法与动态搜索方法的“模拟优化”求解方法,对列车节能运行决策问题进行求解,并通过与其他同类算法的比较,阐述了所提方法的优越性。得到列车在不同运行工况下的最优节能运行控制策略,确定各情况下列车运行的最优速度距离曲线,结果符合实际情况。改进算法的搜索效率更高,研究思路与模型对于列车节能操作运行具有一定的借鉴意义,所提出的针对复杂优化模型的求解方法合理有效,适用性强,有一定的参考价值。     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法.首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和...     

基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

高速列车自动驾驶前馈自适应广义预测控制方法研究

高速列车自动驾驶（ATO）系统本质上是强非线性和不确定性的系统,针对高速列车模型参数非线性和时变性等特点,文章提出了一种前馈自适应广义预测控制（FA-GPC）的方法对ATO系统进行动态优化控制,并设计了一种带约束的多目标预测控制器。首先,基于列车多质点模型,分析附加阻力的改变对列车运行的影响;然后,结合列车运行过程中的速度跟踪精度、停车精度及运行舒适性等关键指标,构建包含控制输入约束的多目标性能指标函数,设计基于多目标函数的前馈广义预测速度跟踪控制算法,解决了由于附加阻力变化导致控制器超调的问题并加快了控制收敛速度。由于列车运行过程中受外界环境、乘客流动等因素影响,阻力变化大,难以建立精确的数学模型,因此采用带约束的变遗忘因子递推最小二乘法来辨识出列车控制系统在不同工况下受控自回归积分滑动平均模型（CARIMA）,进而提高控制系统的鲁棒性。仿真结果表明,相比传统的无前馈GPC和PID控制器,前馈广义控制器在不同线路条件下巡航控速速度跟踪精度在±0.5 km/h范围内,具有良好的跟踪性;在强扰动情况下通过引入自适应改进的前馈广义预测控制算法,具有较强的鲁棒性。     

城轨列车精确停车智能控制算法研究与仿真

随着我国城轨交通的大力发展,列车自动驾驶（ATO）系统在城轨列车中的应用越来越广泛,精确停车是衡量城轨列车自动驾驶性能重要指标之一。以精确停车、舒适性及能耗为指标,利用列车牵引计算知识建立列车运行多目标模型;利用遗传算法对该模型进行优化,结合MATLAB仿真软件得出列车运行理想目标曲线;运用SIMULINK模块分别搭建基于PID控制的仿真模型、基于模糊PID控制的仿真模型以及基于预测模糊PID控制的仿真模型,得出相应的列车运行跟踪曲线,并进行比较。结果表明：较前两者,预测模糊PID控制能最大程度地提高列车的停车精度。     

高速列车节能运行的滑模预测控制研究北大核心CSCD

考虑高速列车的安全性、准时性和节能环保的要求,设计列车运行的目标曲线;根据列车运行过程随机性的特点,结合滑模预测控制强鲁棒性的优点设计了ATO的控制器。首先用模糊聚类算法对系统输入输出数据进行快速分类,应用最小二乘法辨识出相应的线性子模型作为预测模型;其次,在考虑准时性的基础上采用节能优化理论设计列车运行目标曲线,作为控制系统的参考输入;最后设计滑模预测控制器,利用极点配置方法设计渐进稳定的滑模面,有效克服抖振现象。以CRH2-300型列车为研究对象进行仿真分析,结果表明,滑模预测控制能有效克服干扰信号,且能实现精确跟随所设计的目标曲线;验证了该算法应用到ATO中的有效性和可行性。     

采用预测控制的地铁节能优化控制算法

本文针对地铁列车自动运行系统(automatic train operation,ATO)一般运行情况以及晚点延迟发车情况下的节能问题,基于预测控制算法设计了地铁节能优化控制算法.利用预测控制算法的在线滚动优化特性,通过设计含有能量消耗趋势优化项的控制目标函数,控制算法能够针对节能目标实现快速动态调整.通过调节目标函数中各优化项权重的相对大小,节能算法可以在满足列车时间与路程运行指标的同时,达到降低能耗的目的.在MATLAB平台上利用真实车辆模型对提出的节能优化控制算法进行了仿真,在列车不延迟与延迟的情况下,算法都很好地平衡了跟踪目标与节能目标,为地铁能耗动态优化控制提供了可行方案.     

Energy-efficient receding horizon trajectory planning of high-speed trains using real-time traffic information

Optimal trajectory planning of high-speed trains (HSTs) aims to obtain such speed curves that guarantee safety, punctuality, comfort and energy-saving of the train. In this paper, a new shrinking horizon model predictive control (MPC) algorithm is proposed to plan the optimal trajectories of HSTs using real-time traffic information. The nonlinear longitudinal dynamics of HSTs are used to predict the future behaviors of the train and describe variable slopes and variable speed limitations based on real-time traffic information. Then optimal trajectory planning of HSTs is formulated as the shrinking horizon optimal control problem with the consideration of safety, punctuality, comfort and energy consumption. According to the real-time position and running time of the train, the shrinking horizon is updated to ensure the recursive feasibility of the optimization problem. The optimal speed curve of the train is computed by online solving the optimization problem with the Radau Pseudo-spectral method (RPM). Simulation results demonstrate that the proposed method can satisfy the requirements of energy efficiency and punctuality of the train.     

基于灵活编组的城轨车底运用计划及鲁棒客流控制策略

针对通勤客流需求的动态性、不均衡性和随机性等复杂特征,提出基于灵活编组的城轨车底运用计划及鲁棒客流控制策略两阶段随机规划模型.第1阶段为编组类型指派和车底运用计划优化模型,以极小化系统运营成本为目标;第2阶段为车站协同限流鲁棒优化模型,以极小化乘客等待时间为目标.通过线性化方法将原模型重构为可被CPLEX等优化软件直接求解的混合整数线性规划模型.算例结果表明,灵活编组模式在仅增加0.5%乘客等待时间的基础上,可降低约30.2%的系统运营费用,表明灵活编组方案在满足客流需求的同时可合理地降低运营费用.此外,所提出鲁棒客流控制策略能够避免传统鲁棒优化方法过于保守的问题,对于实际运营过程中随机客流需求具有较好的适应性.     

ATO系统速度控制的BP-FIPID算法

针对列车自动运行（Automatic Train Operation,ATO）系统控制算法的稳定性与智能性需求,以及比例积分微分（Proportion Integration Differentiation,PID）控制算法的拓展优化,结合BP（Back Propagation）神经网络算法和模糊免疫PID（Fuzzy Immune PID,FIPID）控制算法,提出一种基于BP神经网络的免疫控制参数自适应调整的模糊免疫PID控制算法（BP-FIPID）。以列车运行控制模型为控制对象,分别采用阶跃信号和列车运行目标速度曲线对传统FIPID以及BP-FIPID进行仿真检验。测试结果显示,与FIPID算法相比,BP-FIPID算法具有更好的阶跃响应和抗干扰性能,针对复杂工况的速度-时间曲线同样体现出理想的追溯性。免疫控制参数的自适应调整有助于改进FIPID的性能,两种算法均可作为实践参考。     

列车运行调度的现状及展望

分析列车运行计划制定和速度调整的实际情况,研究列车运行调度的建模及求解技术。针对目前相对静态的列车运行调度模型,建立车站-闭塞分区一体化及考虑列车动态运行状况的优化模型,并提出一种具有预测控制、滚动优化、实时反馈的列车运行调度与控制框架,该框架可以提高行车密度、抵抗随机扰动、优化铁路网络的运营性能。